il computer che dialogava nel mondo dei blocchi

Harold Cohen aveva già una carriera da pittore quando, alla fine degli anni Sessanta, ha cominciato a scrivere un programma capace di disegnare: AARON. Per farlo ha dovuto trasformare in regole il proprio mestiere. Il programma ha disegnato e poi scelto i colori, mentre Cohen ha continuato a cambiare il proprio lavoro davanti a quei risultati. Seguiamo la sua storia con un esempio semplice: il disegno di un vaso.Che cosa Cohen ha trasformato in regole.Perché un programma fatto di regole può comunque sorprendere.Come il colore ha cambiato il rapporto fra pittore e programma.Fonti: Cohen, «What is an Image?» e «Colouring Without Seeing»; Whitney Museum; Computer History Museum. Fonti e approfondimenti su frontierstoai.com. Iscriviti a «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Wanaka Studio permette di descrivere un gioco a parole, correggerlo e condividere una versione giocabile nel browser con un link. Il servizio è comparso nella classifica giornaliera di Product Hunt del 4 novembre 2026. Seguiamo la preparazione di una piccola caccia al tesoro per un'associazione, dalla prima richiesta fino al link da mandare. Il piano gratuito aiuta a cominciare; prima di allargare il progetto, controlla le risorse previste e dove rimarrà il gioco.Parti da una regola e da un traguardo chiari.Cambia un pezzo alla volta e fai provare il gioco a qualcun altro.Prima di condividere, controlla il dispositivo, il piano e dove resta il progetto.Fonti: Wanaka, sito e piani; Product Hunt, classifica del 4 novembre e scheda Wanaka Studio. Approfondimento su frontierstoai.com. Iscriviti a «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Il gestionale dice che un articolo è disponibile, ma un cliente lo ha già prenotato. Se diamo all'intelligenza artificiale dati come questi, anche un modello ben costruito impara il compito sbagliato. Seguiamo un magazzino per capire dove nasce l'errore, perché è difficile accorgersene e come correggerlo prima di cambiare l'AI.Dai un significato preciso alle parole delle tabelle.Non confondere un dato sconosciuto con uno zero.Quando correggi un dato, conserva la versione vecchia e rimetti alla prova il sistema.Fonti: Data Cascades in High-Stakes AI; Datasheets for Datasets; Hidden Technical Debt in Machine Learning Systems. Fonti e approfondimenti su frontierstoai.com. La newsletter è «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Un programma può partire dalla formula di una molecola e prevedere con quali parole una persona ne descriverebbe l'odore. Ha imparato dalle descrizioni scritte da chi aveva annusato i campioni. Uno studio del 2025, chiamato POMMix, prova un passo più difficile: prevedere se due miscele di ingredienti avranno un odore simile. Seguiamo un laboratorio che deve cambiare un ingrediente di un sapone senza cambiarne il profumo.Come un programma collega una formula chimica alle parole delle persone.Perché mescolare gli ingredienti rende il problema più difficile.Che cosa resta da fare al naso delle persone.Fonti: Tom e colleghi, «From Molecules to Mixtures»; OpenPOM, documentazione della replica; IEEE Spectrum, «This Neural Net Maps Molecules to Aromas». Fonti e approfondimento su frontierstoai.com. Iscriviti a «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

l 5 novembre METR, un gruppo indipendente che mette alla prova i sistemi di intelligenza artificiale, ha pubblicato una valutazione sulla ricerca interna di Anthropic. Per i punteggi delle prove analizzate stima un ritmo di crescita di 1,9 volte quello precedente. Separatamente, stima un ritmo circa doppio per le capacità dei modelli sui compiti ben definiti, con forte incertezza. Secondo METR, una parte importante di questa accelerazione viene dall'aiuto dell'AI ai ricercatori. Molte prove, però, restano riservate.Che cosa ha misurato METR, spiegato in parole semplici.Perché l'AI aiuta i ricercatori ma fa ancora poco da sola.Perché una parte delle prove non è pubblica e che cosa cambia per noi.Fonti: METR, «Independent Assessment of AI R&D Acceleration at Anthropic in October 2026»; Associated Press, servizio di Kelvin Chan e Kaitlyn Huamani. Ricerca chiusa il 6 novembre 2026. Fonti su frontierstoai.com; newsletter «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

SHRDLU conversava in inglese e seguiva comandi dentro un mondo simulato di oggetti. Terry Winograd lo ha sviluppato al MIT fra il 1968 e il 1970. La sua storia aiuta a capire quante conoscenze servano dietro una conversazione convincente.Come il programma collegava parole, oggetti e azioni.Perché Winograd ha discusso i limiti del dialogo dentro un ambiente ristretto.Che cosa chiedere quando provi un assistente nel tuo ufficio.Fonti: MIT, «Procedures as a Representation for Data in a Computer Program for Understanding Natural Language» (catalogo e abstract, 1971); Terry Winograd, «What Does It Mean to Understand Language?», Cognitive Science (1980). Per fonti e approfondimento, visita frontierstoai.com e scopri la newsletter «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

UseIt Studio crea progetti per adesivi e scatole regalo, con elementi modificabili e anteprime tridimensionali. Il servizio è comparso fra i nuovi lanci segnalati su Product Hunt il 21 ottobre 2026. Seguiamo un adesivo e una scatolina fino alla prova su carta. Nel percorso:scegli misure e dettagli da chiedere al servizio;prepara il progetto e il file da stampare;costruisci un prototipo prima di ordinare copie.Fonti: UseIt Studio, «Design it. Make it real.» e «Terms of Use»; Product Hunt, «Best of Product Hunt: October 21, 2026». Per fonti e approfondimento visita frontierstoai.com. Iscriviti a «Cartoline dalla frontiera», la newsletter di FrontiersToAI.Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Un documento può contenere informazioni utili e istruzioni che tentano di cambiare il compito di un agente AI. In questa puntata distinguiamo ciò che l’assistente deve leggere dalle operazioni che qualcuno ha davvero autorizzato. Abbiamo controllato le fonti il 31 ottobre 2026. Nella puntata:• perché il problema riguarda anche permessi, destinatari e documenti;• che cosa dimostrano, e che cosa non garantiscono, le difese pubblicate;• quali domande fare prima di collegare un agente agli archivi aziendali. Fonti: NCSC, «Prompt injection is not SQL injection»; Debenedetti e colleghi, ricerca CaMeL; ricerche di Anthropic e Google. Fonti e approfondimento su frontierstoai.com. Newsletter: «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Un gatto con la trama della pelle di un elefante mette in conflitto gli indizi usati per riconoscere un'immagine. Un esperimento presentato a ICLR nel 2019 aiuta a capire perché una risposta corretta possa nascondere una scorciatoia. È una curiosità sulla visione artificiale con una conseguenza concreta per chi valuta una demo in azienda.Che cosa cambia fra riconoscere la forma e seguire la texture.Perché cambiare lo sfondo di una prova può essere utile.Come distinguere un risultato osservato da una capacità soltanto presunta.Fonti: Geirhos e colleghi, «ImageNet-trained CNNs are biased towards texture»; Geirhos e colleghi, «Shortcut learning in deep neural networks». Per fonti e approfondimento, visita frontierstoai.com. Newsletter: «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.

Microsoft ha pubblicato il 28 ottobre 2026 i risultati del trimestre chiuso a settembre. Azure cresce del 48% e il gruppo genera cassa operativa: sono segnali concreti, ma non misurano il guadagno dei clienti che usano l'AI. La ricerca arriva al 30 ottobre; non comprende gli sviluppi successivi.Distinguiamo ricavi cloud, utile contabile e cassa disponibile dopo gli investimenti.Leggiamo separatamente dati pubblicati, misure rettificate e previsioni.Portiamo questa distinzione dentro una decisione aziendale sull'AI.Fonti: Microsoft Investor Relations, «Earnings Release FY27 Q1»; Reuters, «Microsoft's cloud growth, cash flow offer respite from AI spending fears». Per fonti e approfondimento, visita frontierstoai.com. Iscriviti a «Cartoline dalla frontiera».Diventa un supporter di questo podcast: https://www.spreaker.com/podcast/frontierstoai--6636509/support.